Python 根据条件从任意列/行中选择值

我有一个数据帧形式的相关矩阵。比如：

       xyz   abc  def
xyz    1     0.1  -0.2
abc    0.1   1    0.3
def    -0.2  0.3  1

df[df>value] or

我需要能够选择高于或低于某个阈值的所有值，但它们当然可以在任何行或列中

例如，选择高于0.2的所有值。有两个结果：

（def，abc）和（abc，def）

我不知道该怎么做，因为它涉及到根据每一行/每一列中的条件搜索值。理想情况下，输出应采用易于识别对的格式（例如：元组列表或类似的格式）

---

编辑：哦，当然所有相同的列/行也会出现在上述示例的结果中（即：xyz/xyz，abc/abc，def/def）

将（（行，列），val）的二维到一维元组展平。按val排序。检索val>0.2的元组（行、列）假设您的数据帧为“df”，阈值为“value”，您可以执行以下操作：

       xyz   abc  def
xyz    1     0.1  -0.2
abc    0.1   1    0.3
def    -0.2  0.3  1

df[df>value] or

---

df[df>值].dropna（axis=1，how=“all”）

如果要删除不匹配的列。

这里有一种方法，使用

np.triu

屏蔽上三角矩阵，并通过

堆栈重塑相关矩阵

import pandas as pd
import numpy as np

# simulate some data to generate corr_mat
# ==============================================
np.random.seed(0)
data = np.random.multivariate_normal([0,0,0], [[1,0.1,-0.2],[0.1,1,0.3],[-0.2,0.3,1]], 10000)
df = pd.DataFrame(data, columns='xyz abc def'.split())
corr_mat = df.corr()
corr_mat

        xyz     abc     def
xyz  1.0000  0.1216 -0.1901
abc  0.1216  1.0000  0.3014
def -0.1901  0.3014  1.0000

# processing
# =======================================
# mask on lower-triangle only
mask = np.ones_like(corr_mat, dtype=np.bool)
mask[np.triu_indices_from(mask)] = False
mask

array([[False, False, False],
       [ True, False, False],
       [ True,  True, False]], dtype=bool)

# reshape the correlation matrix, and select corr > 0.2
corr_stacked = corr_mat.stack()
corr_stacked[(corr_stacked > 0.2) & (mask.ravel())]

def  abc    0.3014
dtype: float64

# you can reset_index to put multi-level index to columns

但是值
1
不也高于
0.2
？所以你不想选那个？我会先在水平线上循环，然后在垂直线上循环。实际上我不想要那个。但是，如果它们包含在元组列表中，我就可以在此时过滤掉它们。我正在努力解决的部分是从数据帧中获取值。谢谢，我已经完成了创建循环结构的工作。我希望有一种矢量化的方法来实现它，而不需要循环，因为这样通常更快（我的数据帧很大）。不过，这至少在目前是可行的。谢谢，这听起来似乎会奏效，但我不确定如何获得1d元组（（行，列），val）。我已经尝试将list（df.itertuples（））转换为dict（*args，**kwargs）将数据帧转换为字典。